Apple「感情分析AIモデル」の可能性と課題【後編】
「Appleは信頼を失いかねない」 Apple“人の心を読むAI”を専門家が不安視
Appleはさまざまな生体データを分析して人の感情を判別する感情分析AIモデルを開発している。こうしたAI技術を開発する研究者やベンダーには、検討すべきことがあると専門家は指摘する。それは何か。
Appleとカリフォルニア大学ロサンゼルス校（UCLA：University of California, Los Angeles）、製薬会社Biogenは、人の心の健康状態や感情を検出するAI（人工知能）モデル（以下、感情分析AIモデル）の開発を進めている。Appleの感情分析AIモデルに対する関心は、AI技術を使って感情を読み取る技術を扱うEmotientを2016年に買収したことから始まった。
信頼を失う可能性も 「感情分析AIモデル」が直面するハードル
「複数種類のデータに照準を据えているという点で、Appleの感情分析AIモデルは他社とは異なる」。南カリフォルニア大学（University of Southern California）の心理学准教授で、神経科学技術ベンダーImmersion Neuroscienceの最高セキュリティ責任者（CSO）を務めるホルヘ・バラサ氏はこう指摘する。感情分析AI技術の研究は一般的に、
- 笑顔やしかめ面といった表情を特定する「顔分析」
- 声の調子や話す単語を特定する「音声分析」
のいずれかのみを対象とする。これに対して、Appleらの研究チームは顔分析と音声分析の両方に加え、心拍や睡眠パターンなども使って感情を特定する。
人々が自分の心の健康状態に対する認識を深める上で、Appleの感情分析AIモデルは有用だ。ただし「データを用いた感情分析には、依然として疑いの余地が残る」とバラサ氏は言う。例えばユーザー企業が、ベンダーの意図通りに感情分析AI技術を使わない可能性がある。自社の従業員にとって不利益な形で使ったり、誤ってデータを解釈したりする可能性も否定できない。
文化によって異なる感情の見方や解釈をどう扱うかも課題だ。調査会社Constellation Researchの創業者でプリンシパルアナリストのレイ・ワン氏は、特定の文化や集団、年齢層の微妙な違いを見極めるのは「非常に難しい」と指摘。「感情分析のAI技術ベンダーにとっては、どのくらいのデータが集まればAIモデルが判断を下すのに十分なのかを見極めることが課題だ」と話す。
感情分析AI技術の検出ミスを防ぐためには、研究者が「どの程度の精度があればよいのか」を決めなければならないというのがワン氏の意見だ。加えて「データセットの中のどこに、偏見や誤判断を招くデータが存在しそうか」も見極める必要があるという。「感情に影響を与え得る文化的違いや方言、人種の違いを判断基準に含めることが必要だ」と同氏は言い添える。
大手モバイルデバイスメーカーとしてのAppleには、同社製品ユーザーの巨大なネットワークがある。そのネットワークに広まれば、同社の感情分析AIモデルが成功するチャンスはある。「感情分析AIモデルは始まったばかりだが、いずれは軌道に乗る」とワン氏はみる。ただし同社が感情分析AIモデルの公開や普及を急ぎ過ぎると「人々の信頼や信用を失うリスクがある」と同氏は警鐘を鳴らす。
TechTarget発 先取りITトレンド
米国TechTargetの豊富な記事の中から、最新技術解説や注目分野の製品比較、海外企業のIT製品導入事例などを厳選してお届けします。
Copyright © ITmedia, Inc. All Rights Reserved.
TechTarget発 先取りITトレンド
米国TechTargetの豊富な記事の中から、最新技術解説や注目分野の製品比較、海外企業のIT製品導入事例などを厳選してお届けします。
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
“攻撃者優位”なサイバーセキュリティ、全ての「穴」をふさぐ方法とは？ -
製品資料
実際に悪用される脆弱性は4％前後 優先的に対処すべき脆弱性を把握するには？ -
製品資料
HubSpotの機能を拡張する法人データ活用法 -
製品資料
面倒で非生産的な「名寄せ」作業 高精度＆高効率に実施するには？ -
製品資料
名刺管理には「その先」がある 成果のでない営業活動から脱却する秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
ISMSの“コンサル丸投げ”が招く数千万円の無駄 NTTドコモビジネスの脱出劇
-
2
仮想化環境の死角を“未知の脅威”が狙う時代――新たな敵をどう見破るか？
-
3
「Microsoft 365」が乗っ取られる 跡形もなくMFAを破る手口
-
4
「VMware離れ」は本当か 3000社がVCF 9にかじを切った現実的な理由
-
5
Netflixのバックエンドは「ほぼJava」 3000超のアプリを支える開発基盤の裏側
-
6
AWS障害でも補償ゼロの衝撃 サイバー保険で情シスが見落とす「細則の壁」
-
7
7割失敗する「AIでレガシーシステム刷新」の幻想 あの企業も選んだ現実解とは
-
8
ただなのに「12時間以内の復旧」も要求 無償OSSに商用レベルを求める企業の末路
-
9
レガシーコードを捨てJavaで勘定系を再定義 ソニー銀行、フルクラウド化の全容
-
10
なぜ人はいるのにDXが進まない？ ライオンも直面した“老害”レガシーシステム
ホワイトペーパーランキング PR
-
1
AIエージェントで多様な日常業務を効率化するための入門ガイド
-
2
AIが「わざわざ使うツール」になっていない？ 業務で自然に使う導線にする秘訣
-
3
JR西日本ITソリューションズが「監視業務の属人化」を解消した方法とは？
-
4
「NAS」「SAN」「DAS」は何が違う？ いまさら聞けないストレージの基礎
-
5
コスト分析で見る「デバイス復旧」の代償 損失額から導きだされた投資戦略とは
-
6
“あのファイル転送”で暗躍するノーウェアランサム
-
7
「結局、一部の人しか使わない」 AI活用が業務に定着しない根本的な理由
-
8
Macの安全神話は崩壊？ 最新の脅威動向から見えた攻撃のトレンドと有効な対策
-
9
3分で分かる経理DX 富士通が約20％の業務効率化を実現した方法とは
-
10
ランサムウェア攻撃を“二重の防御構造”で防ぐ、クラウド型基幹システムの実力
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー